摘要：1.读文件 要以读文件的模式打开一个文件对象，使用Python内置的open()函数，传入文件名和标示符： f = open( '/Users/michael/test.txt', 'r' )标示符’r’表示读，这样，我们就成功地打开了一个文件。如果文件不存在，open()函数就会抛出一个IOErr
阅读全文
摘要：base64模块是用来作base64编码解码，常用于小型数据的传输。编码后的数据是一个字符串，其包括a-z、A-Z、0-9、/、+共64个字符，即可用6个字节表示，写出数值就是0-63.故三个字节编码的话就变成了4个字节，如果数据字节数不是3的倍数，就不能精确地划分6位的块，此时需要在原数据后添加1
阅读全文
摘要：from flask import Flask, jsonify app = Flask(__name__) tasks = [ { 'id': 1, 'title': u'订阅 python_mastery 专栏', 'description': u'专栏Link： https://xiaozhu
阅读全文
摘要：接收url中的参数 @app.route("/req") def req(): print(request.method) #获取访问方式 GET print(request.url) #获取url http://127.0.0.1:5000/req?id=1&name=wl print(reque
阅读全文
摘要：JSON(JavaScript Object Notation)是一种轻量级的数据交换格式，它基于JavaScript的一个子集，易于人的编写和阅读，也易于机器解析。 JSON采用完全独立于语言的文本格式，但是也使用了类似于C语言家族的习惯（包括C, C++, C#, Java, JavaScrip
阅读全文
摘要：使用 conda create -n your_env_name python=X.X（2.7、3.6等） anaconda 命令创建python版本为X.X、 名字为your_env_name的虚拟环境。your_env_name文件可以在Anaconda安装目录envs文件下找到。 activa
阅读全文
摘要：例如： pip install keras==2.1.6 -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com 其他的源 ：-i https://pypi.tuna.tsinghua.edu.cn/simple 1.首先安装
阅读全文
摘要：添加2行代码即可 from PIL import ImageFile ImageFile.LOAD_TRUNCATED_IMAGES = True
阅读全文
摘要：首先pycharm 很吃内存，分配的内存少了，自然运行就变得慢了 1.进入pycharm的安装目录下，找到bin目录 2.找到这两个文件 3.增大下面的数值 -Xms512m-Xmx2048m 512 2048是修改过的 512：可分配的最小内存 2048 ：可分配的最大内存 4.pycharm运行
阅读全文
摘要：tf.reset_default_graph函数用于清除默认图形堆栈并重置全局默认图形。 注意：默认图形是当前线程的一个属性。该tf.reset_default_graph函数只适用于当前线程。当一个tf.Session或者tf.InteractiveSession激活时调用这个函数会导致未定义的行
阅读全文
摘要：a = 'dv gbrg 1'a = a.replace(' ','')#用后面的取代前面的print(a) dvgbrg1
阅读全文
摘要：split("/")[-1] 和 split("/",-1)的区别str='https://www.cnblogs.com/tingtin/p/12566356.html'#从后往前取print('0: %s'%str.split('/')[-1])#取最后print('1: %s'%str.spl
阅读全文
摘要：一.zip函数：接受任意多个（包括0个和1个）序列作为参数，返回一个tuple列表 x = [1,2,3]y=[4,5,6]xy = zip(x,y)print(xy)py2会[(1, 4), (2, 5), (3, 6)]py3:<zip object at 0x000001F30A7AAFC8>
阅读全文
摘要：前言 TensorFlow的Session对象是支持多线程的，可以在同一个会话（Session）中创建多个线程，并行执行。 在Session中的所有线程都必须能被同步终止，异常必须能被正确捕获并报告，会话终止的时候， 队列必须能被正确地关闭。 TensorFlow提供了两个类来实现对Session中
阅读全文
摘要：1.保存 将训练好的模型参数保存起来，以便以后进行验证或测试。tf里面提供模型保存的是tf.train.Saver()模块。 模型保存，先要创建一个Saver对象：如 saver=tf.train.Saver() 在创建这个Saver对象的时候，有一个参数经常会用到，max_to_keep 参数，这
阅读全文
摘要：tf.train.AdamOptimizer()函数是Adam优化算法：是一个寻找全局最优点的优化算法，引入了二次方梯度校正。 tf.train.AdamOptimizer.__init__( learning_rate=0.001, beta1=0.9, beta2=0.999, epsilon=
阅读全文
摘要：tf.placeholder()函数作为一种占位符用于定义过程，可以理解为形参，在执行的时候再赋具体的值。 tf.placeholder( dtype, shape=None, name=None ) 参数： dtype：数据类型。常用的是tf.float32，tf.float64等数值类型 sha
阅读全文
摘要：简单示例 我们先来看一个简单示例。主要有三个步骤： 创建 ArgumentParser() 对象 调用 add_argument() 方法添加参数 使用 parse_args() 解析添加的参数 定位参数 上面的示例，其实就展示了定位参数的使用，我们再来看一个例子 - 计算一个数的平方： impor
阅读全文
摘要：tf.stack函数 tf.stack( values, axis=0,(default) name='stack' ) 将 values 中的张量列表打包成一个张量，该张量比 values 中的每个张量都高一个秩，通过沿 axis 维度打包。给定一个形状为(A, B, C)的张量的长度 N 的列表
阅读全文
摘要：1、概念： Tensorflow里最基本的数据结构就是Tensor。张量是多维数组的泛概念。张量概念包括标量、向量和线性算子。 “在同构的意义下，第零阶张量 （r = 0） 为标量 （Scalar），第一阶张量 （r = 1） 为向量 （Vector）， 第二阶张量 （r = 2） 则成为矩阵 （M
阅读全文
摘要：函数功能个：返回张量的大小.此函数返回一个表示input中的元素数的整数. 函数原型 size(input, name=None, out_type=tf.int32) import tensorflow as tf t = tf.constant([[[1, 1, 1], [2, 2, 2]],
阅读全文
摘要：l2_loss()这个函数的作用是利用L2范数来计算张量的误差值，但是没有开发并且只取L2范数的值的一半 函数： tf.nn.l2_loss( t, name=None ) 参数： t：一个张量(tensor)，类型可以为：half, bfloat16, float32, float64 name：
阅读全文
摘要：1、什么是卷积：图像中不同数据窗口的数据和卷积核（一个滤波矩阵）作内积的操作叫做卷积。其计算过程又称为滤波（filter)，本质是提取图像不同频段的特征。 2、什么是卷积核：也称为滤波器filter，带着一组固定权重的神经元，通常是n*m二维的矩阵，n和m也是神经元的感受野。n*m 矩阵中存的是对感
阅读全文
摘要：一 函数原型tf.reverse( tensor, axis, name=None) 参数： tensor:需要进行反转的张量，类型必须为其中的一个uint8, int8, uint16, int16, int32, int64, bool, bfloat16, half, float32, flo
阅读全文
摘要：os.walk函数的用法 （遍历文件夹下文件并获得路径） 我们在使用python时时常会遇到调用某些文件的需求，这时我们就需要得到这些文件的路径。python强大的自带os模块使得获得路径变得很容易。 下面介绍如何使用os.walk函数来遍历文件夹及子文件夹下所有文件并得到路径。 os.walk的完
阅读全文
摘要：对于数据进行统一的管理是很有必要的.TFRecord就是对于输入数据做统一管理的格式.加上一些多线程的处理方式,使得在训练期间对于数据管理把控的效率和舒适度都好于暴力的方法.小的任务什么方法差别不大,但是对于大的任务,使用统一格式管理的好处就非常显著了.因此,TFRecord的使用方法很有必要熟悉.
阅读全文
摘要：1、flags可以帮助我们通过命令行来动态的更改代码中的参数。Tensorflow 使用flags定义命令行参数的方法。ML的模型中有大量需要tuning的超参数，所以此方法，迎合了需要一种灵活的方式对代码某些参数进行调整的需求 (1)、比如，在这个py文件中，首先定义了一些参数，然后将参数统一保存
阅读全文
摘要：原文链接： https://www.zhihu.com/question/68730628/answer/607608890BN和IN其实本质上是同一个东西，只是IN是作用于单张图片，但是BN作用于一个batch。 一.BN和IN的对比 假如现有6张图片x1,x2,x3,x4,x5,x6，每张图片在
阅读全文
摘要：过拟合产生的原因？ 过拟合的表现：模型在训练集上误差很小，在测试集上误差很大。 过拟合主要由两个方面决定：一是数据集，二是模型。 我认为过拟合问题目前来说只能减少不能避免。 数据集角度： 我们知道无论是机器学习还是深度学习，都是通过在训练集上做训练来最小化训练集上的损失函数来得到想要的模型，也就是说
阅读全文
摘要：1 现象通过神经网络生成的图片，放大了看会有棋盘格的现象2 分析混叠现象造成的，反卷积时，到stride和ksize 不能整除时，就会有这种现象，二维图像的时候更显著。神经网络虽然能学习，可以抵消一部分现象，但是会造成这个模型不鲁棒。常见的有三种方法上采样，反卷积，nn插值，双线性插值。替换GAN网
阅读全文
摘要：最近邻插值 这是一种简单的插值算法：不需要计算，在待求象素的四邻象素中，将距离待求象素最近的邻象素灰度赋给待求象素 设i+u, j+v(i, j为正整数， u, v为大于零小于1的小数，下同)为待求象素坐标，则待求象素灰度的值 f(i+u, j+v) 如下图所示： 如果(i+u, j+v)落在A区，
阅读全文
摘要：我们知道，在对图像执行卷积操作时，如果不对图像边缘进行填充，卷积核将无法到达图像边缘的像素（3*3取卷积4*4，则边缘无法到达），而且卷积前后图像的尺寸也会发生变化，这会造成许多麻烦。 因此现在各大深度学习框架的卷积层实现上基本都配备了padding操作，以保证图像输入输出前后的尺寸大小不变。例如，
阅读全文
摘要：VGGNet是牛津大学计算机视觉组（Visual Geometry Group）和Google DeepMind公司的研究员一起研发的卷积神经网络。 VGGNet探索了卷积神经网络的深度与其性能之间的关系，通过反复的使用3x3的小型卷积核和2x2的最大池化层，VGGNet成功地构筑了16～19层深的
阅读全文
摘要：那今天我们只考虑有label的猫跟狗的data，画一个boundary，将猫跟狗的train data分开的话，你可能就会画在中间(垂直)。 那如果unlabel的分布长的像灰色的点这个样子的话，这可能会影响你的决定。虽然unlabel data只告诉我们了input，但unlabeled data
阅读全文
摘要：torch.expand() 参数为传入指定shape，在原shape数据上进行高维拓维，根据维度值进行重复赋值。https://blog.csdn.net/weixin_42670810/article/details/114278285 torch.nn.BatchNorm2d 函数 什么是ba
阅读全文
摘要：Ensemble的框架 Ensemble的方法就是一种团队合作，好几个模型一起上的方法。 第一步：通常情况是有很多的classifier，想把他们集合在一起发挥更强大的功能，这些classifier一般是diverse的，这些classifier有不同的属性和不同的作用。 第二步：就是要把class
阅读全文
摘要：有了这个loss function以后，对于training，也是用梯度下降来做。也就是说我们现在定义出了loss function(L)，我要update这个neural network里面的某个参数w，就是计算对w的偏微分， 偏微分计算出来以后，就用GD的方法去update里面的参数。在讲fee
阅读全文
